基于无人机高光谱影像峨眉含笑冠层叶绿素含量反演

##叶绿素含量是检测植物生理状态的关键指标。高光谱遥感技术以其高光谱分辨率、覆盖范围广、数据获取便捷等优势，在植物叶绿素含量监测中展现出巨大潜力。本文以四川省雅安市周公山的峨眉含笑为研究对象，基于无人机高光谱激光雷达一体机在低空获取的峨眉含笑冠层尺度高光谱影像，提取影像反射率并结合地面实测叶绿素含量(SPAD)值进行分析研究。高光谱影像经过Savitzky-Golay滤波、一阶微分，包络线等处理，提取了光谱特征参数、敏感波段和24种与叶绿素相关的植被指数，分析了叶片叶绿素含量与不同波段光谱反射率一阶微分值、光谱特征参数以及植被指数之间的相关关系，并以峨眉含笑叶绿素含量敏感波段及构建的植被指数与叶绿素含量进行了拟合。采用随机森林回归(RFR)、K近邻回归(KNN)、XGBoost决策树(XGB)三种常见的模型反演峨眉含笑叶绿素含量，确定峨眉含笑叶绿素含量反演的最优估算模型。结果表明：(1)以波长495、658、675、756nm等处的光谱反射率一阶微分值与叶绿素含量的相关性较高;(2)在所提取植被指数中，比值植被指数(RVI)、结构加强色素植被指数(SIPI)、归一化植被指数(NDVI)与叶绿素含量相关性较高，相关系数R分别为0.84、0.81、0.81。(3)在输入变量相同的情况下，基于XGBoost决策树(XGB)回归的预测模型(R2=0.93，RMSE=0.19)均优于随机森林回归(RFR)模型(R2=0.91，RMSE=0.2)、K近邻回归(KNN)模型(R2=0.79，RMSE=0.38)。得出XGBoost决策树模型为峨眉含笑叶绿素含量反演的最优模型。研究结果可以为峨眉含笑叶绿素含量的快速无损测定以及生长动态变化提供参考。